软体机器人的研究现状与发展趋势

穆龙涛，任军辉，邬 凯，赵明威，周云飞

（1.陕西工业职业技术学院机械工程学院，陕西 咸阳 712000；2.咸阳市新能源及微电网系统重点实验室，陕西 咸阳 712000；3.西安财经大学管理学院，陕西 西安 710100）

0 引言

人体皮肤作为生物体外部环境及其内部成分之间的屏障，对生物系统起着至关重要的作用。皮肤层内嵌有机械、化学、振动、温度和疼痛受体的密集网络，使皮肤能够具有触觉、温觉等[1]，在很多特殊场景下解决很多实际问题，对于特种机器人领域发展具有重要的意义。

随着机器人学家转向设计与生物能力共同发展，传感器和末端执行器的集成将成为该领域的重要突破前沿[1]。软体机器人的电子皮肤和感知相关研究，包括电子皮肤的设计和制造、可穿戴传感器、交互式机器人的电子皮肤，软体机器人的传感和感知等。软体机器人基于皮肤的特征进行应用研究，电子皮肤研究仿生生物感应原理，仿生有助于改进机器人系统，为了感知、规划和运动，机器人需要将各种传感器嵌入其内部，以获取有用的外界环境信息[2-4]。

本文通过分析目前软体机器人研发的特点，指出未来将在高性能可拉伸导体材料、传感器、传感模式和集成架构等方向展开研究，在设计感官系统时应考虑数据处理的硬件和算法，并应根据一系列实用的机器人任务评估其性能。

1 软体机器人的研究范畴

软体机器人领域研究使用灵活和符合伦理学的材料作为制造机器人的组件，而不是传统的如金属材料的刚性组件。软体机器人通常从大自然中汲取灵感，基于仿生学研究在非结构化环境中活动的生物体，如图1 所示。相比之下，当前学者在研的机器人系统通常局限于实验室环境，然而在自然环境中，多种不同物质特性的物体使物体相互作用和运动等任务更加复杂。

图1 软体机器人实例

电子皮肤、软体机器人和机器学习之间的重叠在不断增加，软体激活在功能方面有了极大改进，软体传感器和电子皮肤表现出广泛的复杂性。例如，电子皮肤和软体传感器通过密度、分辨率和制造等指标，融合了激活和感应、处理传感器信息、机器学习等方面，如图2 所示。

图2 电子皮肤、软体机器人和机器学习的仿生学研究

分布式或多式联运传感以激活为中心的软体机器人[3]，显示了越来越复杂的软体机器人系统的例子，可以行走、生长、游泳，在化学燃料提供动力下完成自主运动操作。图1 所示的案例中，使用触觉传感器安装在软体机器人外皮肤，进行物体外形状态估计或触觉感应。随着这2 个领域的进展，可以设想进一步融合复杂的执行机构和传感器，软体机器人发展和应用将超出人类认识的界限。

触觉传感器获取的高分辨率数据，将提高软体机器人感知运动和操作过程中复杂变形的能力。当今的离散传感器具有高灵敏度和选择性，可针对局部区域或已知环境中的高置信度感应变形模式。然而，传感器在动态或未知环境中反馈感知信息是不够的，因为机器人还没有类似人类皮肤受体或人脑的复杂程度来收集广泛信息的能力。许多机器人无法处理大量的信息数据，难以准确确定环境或感知到的对象。从离散到连续传感的转变以及从结构化环境向不受约束环境的转变，都需要能够快速收集和处理大量信息的电子皮肤，这2 种转换增加的复杂性使解释信号所需的处理复杂化。

软体机器人中使用了类似皮肤的传感器设计，传感器中有许多含有可导电和拉伸材料，能够根据电阻、电容、电感等电信号变化量获取信息。其他组成部分使用光学设备，如相机和光纤来感知执行器内的变形。其中几个现有传感器非常适合测量应变、压力和弯曲等特性，但无法实现在电子皮肤中已证明的高传感器密度或分辨率。软体机器人将受益于与电子皮肤的集成，例如在医疗应用中直接部署在皮肤上的皮肤传感器阵列。

2 软体机器人可应用的领域

随着智能装备数字化和智能化的发展，机器人感知系统不断迭代升级，人工智能与机器人的融合促进机器人多元化的发展，软体机器人在多个领域得到广泛应用。

2.1 形状感应

环境感应有助于机器人了解周围环境，而拥有机器人本体结构的模型对于规划该环境中的轨迹和运动非常重要[4]。对于主要由刚性组件组成的机器人，每个部分的几何形状在整个机器人的整个使用过程中保持不变，机器人关节的相对运动或链接转换提供了矩阵变换信息，以实现机器人运动动作的变化。但是对于软体机器人，其单个段可以通过有意和无意的变形模式不断改变其形状，这使建模和传感方案更加复杂化。

感应软体机器人形状是将模型与传感器进行配对，通常与系统中可控自由度数量的幅度相同。通过笛卡尔空间曲线进行参数化的建模操纵器方面取得了很大进展。将模型与传感机制相结合，使连续操纵器能够闭环控制。这些方法将传感器嵌入到其他软体机器人组件中，如弯曲执行器，以在低维任务空间（2D 环境）中实现闭环控制[5-6]，如图3 所示。这种控制方式主要缺点是：当引入其他计划外变形模式时，例如通过损坏或材料老化屈曲或材料特性变化时会产生累积误差。目前还不清楚如何将这些研究推广到可重新配置的软体机器人或具有更复杂形态的机器人。例如，最近的实验研究表明，软体机器人形态可以产生有用的运动，包括四足动物的形状和各种奇异形状的外观。所有软体机器人都将受益于传感器的感应机制，而对机器人的机械性能的研究较少。

图3 柔性触觉传感器的案例

实验室条件下的形状感应系统可以随机器人表面进行伸展，而不会影响其运动学或动力学的表现，触觉传感器没有外部组件而且很薄。虽然不同的机器人具有不同的表面应变，但是其专用于为可穿戴应用设计的电子皮肤应可容纳生物皮肤，并且适用于大多数软体机器人应用。目前还不存在软体机器人形状感应的解决方案，但柔性形状感应电子皮肤领域的最新进展有可能提高软体机器人的能力，如图4 所示。

图4 感应物体形状的电子皮肤

2.2 反馈和探索控制

在与非结构化环境交互时，软体机器人材料可以保护机器人免受外界的损害[7]。软体机器人可用于易碎物体周围，起到安全保护的作用。电子皮肤具有巨大的潜力，使软体机器人能够智能地与环境互动，通过皮肤获得的触觉信息对于各种一般机器人控制任务至关重要[8]，如图5 所示。使用的传感器模式类型、处理算法和本体响应都取决于当前执行的任务。

图5 触觉传感的应用实例

触觉探索是人体根据测觉反馈确定环境特性的运动过程[9]。感兴趣的环境属性可能是低层特征，如表面纹理或温度。然而要完全自主必须考虑为获取更好的感官信息选择最佳行动的更高层次过程，也称为主动探索。主动探索是由外在和内在激励变量的组合驱动的。外在激励的特定任务，例如对象分类、激励任务、人的好奇心驱动的探索方式。实验表明人类在探索物体时主要使用6 种类型的探索运动来确定其性质。为了使软体机器人实现有效的探索，触觉和自感反馈的结合可能有助于有效实现此类激励功能。

走向自主触觉勘探控制架构的第1 步，称为触觉伺服[10]。通过将控制目标作为传感器特征空间跟踪轨迹的问题，出现了各种自主感官探索策略。紧急勘探策略包括保持与物体的接触、边缘跟踪和对未知物体的形状探索。探索还被定义为一种力，并利用触觉传感器对未知物体构成控制问题，同时使用在此过程中获得的其他触觉信息来估计对象的符合性，近期相关研究将积极探索与对象评价的相结合。神经网络的中层过程独立于高层勘探战略，因此建议的算法效率相对较低，速度较慢；同时运行并受触觉特征提取过程调节的勘探战略，该算法将允许配备电子皮肤的机器人高效处理其感官信息，可以对移动的目标物收集信息，实现最佳的探索策略并做出明智的决策。

2.3 操纵与反馈机制

机器人操作涉及使用内部执行器将外部对象的状态更改为所需的设定点[11]。触觉传感器的作用主要是获取外部物体的状态信息。随着能量流向环境，物体的稳定性备受关注。掌握力优化和稳定是涉及触觉传感器的最基本操作任务之一，例如通过检测滑移并做出相应反应。由于这些方法能够处理复杂的多式并联的感官信息及多信息融合，因此最近的研究主要使用基于深度学习的方法进行滑动预测，并调整和把握故障检测的方法。有学者研究使用低维传感器空间表示软体机械手的性能[12]，使用自动编码器生成和连续触觉传感器获得复杂信息数据，帮助软体机器人从环境中学习控制策略和推测，并且消除外界信息的干扰。另一项软体机械手的校准和建模研究表明，惯性测量单元能够自动适用控制信号信息和其他传感器模式。

研究过程发现最复杂的操作任务是机械手握操作，软体机器人对身体、大脑和传感器施加了严格要求。目前使用触觉传感器进行手动操作的进展主要限于滚动圆形物体[13-14]，如图6 所示。首先，外部视觉跟踪系统在机械手内操作方面取得了显著进展。然而，仅使用视觉训练的控制策略仅依赖于场景，需要大量的训练数据，从而激励人们进一步研究在手动操作过程中使用触觉感应。其次，全身传感的主要挑战是组织和校准许多空间分布的多式联运触觉传感元件，空间校准可以使用机器人运动学和动作推理技术手动执行或自动化。数据驱动方法对于没有明确运动/动态校准的端到端模型也很有希望。最后，全面的全身触觉感应研究能够自行组织和自校准多种联运传感单元，并实施由平衡控制器、自碰撞避免系统和皮肤控制器融合组成的分层任务管理器。

图6 电子皮肤和软体机器人可以实现的潜在能力和技术

3 研究方向

近年来，电子皮肤和软体机器人领域的研究都取得了长足的进步，结合这2 个领域的进步，生产智能、自主的软体机器人是一个具有挑战性的任务，需要在几个关键领域取得进展才能进一步用于生产实践中。以下概述了该领域的主要开放问题，并提出了可行的解决方案。

3.1 设计和制造

软体机器人开发传感器阵列的主要挑战是：设计微型尺寸、动态范围大、分辨率高、灵敏度强的可拉伸感官阵列传感器。感应压力、剪切和振动，甚至检测环境中存在化学和生物标记对于各种应用都存在用处。近期将微小细胞整合到软体机器人上，使得直接检测和显示软体机器人的化学信息成为可能。其他主要的设计挑战包括选择集成到皮肤中的传感器数量以及研究如何放置于可穿戴设备当中。

3.2 机器学习和信息处理

提高软体机器人的智能还需要计算模型，可以从传感器阵列中提取有用信息。例如，确定哪些算法可以最有效地完成分类、回归和故障检测方面的任务，是否应该使用神经网络，哪些架构最容易训练，效率和可靠性之间是否存在权衡，都是需要解决的问题。解决这些问题需要计算机和信息科学家、材料工程师和神经科学家之间的多学科交叉协作。其结果将是机器人更了解自己及其所处的环境，以及机器人与人类的互动，已达到应用的标准。情感接触是人类日常使用的关键非语言交流形式，机器人不完全具备人类的情感接触，但受益于电子皮肤、软体机器人和机器学习相结合的应用，机器人对外界环境刺激可做出动作反馈。目前大多数机器人无法理解手势，例如拍拍背部等动作，因为它们不具备测量相互作用所需的传感器，无法理解情感接触反馈信息。

3.3 形状感应

需要大力发展形状感应电子皮肤，探究如何将传感器扩展应用到各种软体机器人。软体机器人经历大应变和复杂变形，主要挑战包括提高形状感应皮肤的可拉伸性，以及提高传感器检测小曲率的分辨率。如果该领域有可靠的软体机器人自适应解决方案，可以想象形状反馈将实现机器人的可控形状变化。目前的软体机器人无法转换为特定的配置，但即使是简单的形状变化也带来了各种任务的创新解决方案，如障碍避险、滚动运动、水下运动和伪装。

3.4 反馈控制

软体机器人作为可穿戴设备，能够对环境的反应，运动、探索和操纵均通过变形做出相应变化，使用软触觉传感器进行闭环控制仍处于低级阶段，少数相关研究使用低维软应变传感器进行闭环运动或力控制。软传感器最初是为可穿戴设备开发的，但实际应用中对软体机器人的传感器性能期望要求很高。开发人类触觉传感系统通过开发超冗余传感网络和智能数据处理技术，能够较好实现较好的性能。因此，如果要将软体机器人用于基于触觉的闭环控制任务，则可能需要将刚性组件集成到柔软的机器人本体上。

4 展望

研究人员已经开发出许多有使用价值的软体机器人，将自然界生物特征用于仿生实现软体机器人的特定功能，该领域的下一步是开发生物启发的触觉感应软体机器人，可以安全地与周围环境互动和探索。研究方向将集中在软体机器人的设计和制造上，并探索如何通过机器学习提高软体机器人感知能力。在短期内该领域可以专注于可部署的高分辨率传感器皮肤、处理密集传感器信息的算法以及软体机器人的可靠反馈控制。长期目标是机器人具有触摸和感受自然系统敏感性的能力。相信未来的社会将迫切需要可穿戴设备并与人类生活紧密结合的机器人，软体机器人将应用到家庭生活、残疾辅助机器人、可穿戴设备、协作人类工作等领域。